OpenAI春季发布会开始，深夜宣布推出旗下最强大的多模态模型："GPT-4o"。它可以通过语音、视觉和文本进行推理。该模型速度提高了2倍，价格降低了50%，比GPT-4 Turbo的速率限制高出了5倍。它将对免费用户开放，并通过API可用。
OpenAI最新旗舰大模型GPT-4o，不仅免费可用，能力更是横跨听、说、读、写，丝滑流畅毫无延迟，就像在打一个视频电话。现场直播的效果更是炸裂：它能感受到你的呼吸节奏，也能用比以前更丰富的语气实时回复，甚至可以做到随时打断。
"全能"的意思是，GPT-4o可以接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出。它可以在短至232毫秒、平均320毫秒的时间内响应音频输入，与人类在对话中的反应速度一致。
这还是一份给所有人的大礼，GPT-4o拥有ChatGPT Plus会员版所有的能力，包括视觉、联网、记忆、执行代码、GPT Store……将对所有用户免费开放！
那么，GPT-4o具体有哪些超强之处？
我们先随便看下官方发布的示例
给盲人指路
实时辅导学生作业
首先，GPT-4o是多模态全实时的唯一模型，所以延迟如此之低。旧模型需要经过多个步骤：说话 -> 转录 -> GPT写答案 -> 读回。而新模型只需要：说话 -> 回答。
在直播现场，CTO Mira Murati说：这是把GPT-4级别的模型开放出去，其实她还谦虚了。在场外，研究员William Fedus揭秘，GPT-4o就是之前在大模型竞技场进行A/B测试的模型之一，名为"im-also-a-good-gpt2-chatbot"。无论从网友上手体验还是竞技场排位来看，都是高于GPT-4 Turbo级别的模型，ELO分数一骑绝尘。
而这样的超强模型也将提供API，价格打5折，速度提高一倍，单位时间调用次数足足是原来的5倍！
这个全新的GPT-4o，无疑又是AI界的一场革命。让我们拭目以待，
举报
